Analisis bivariat HASIL PENELITIAN

Berdasarkan persepsi responden tentang dukungan lurah diketahui sebanyak 35 orang 89,7 termasuk kategori buruk dan 6 orang 15,4 termasuk kategori sedang. Secara rinci dapat dilihat pada Tabel 4.13. Tabel 4.13. Distribusi Kategori Persepsi tentang Dukungan Lurah ]] No Variabel Jumlah Persepsi dukungan lurah 1. Buruk 35 89,7 2. Sedang 14 15,4 Jumlah 39 100

4.2.6. Tingkat Pemanfaatan Posyandu Usila

Hasil penelitian menunjukkan bahwa variabel tingkat pemanfaatan posyandu usila, sebanyak 10 orang 25,6 termasuk kategori buruk, 16 orang 41,1 dan 13 orang 33,3 termasuk kategori baik. Secara rinci dapat dilihat pada Tabel 4.14. Tabel 4.14. Distribusi Kategori Variabel Tingkat Pemanfaatan Posyandu usila No Variabel Jumlah Tingkat pemanfaatan posyandu usila 1 Buruk 10 25,6 2. Sedang 16 41,1 3. Baik 13 33,3 Jumlah 39 100

4.3. Analisis bivariat

Untuk menjelaskan hubungan variabel bebas persepsi tentang posyandu usila meliputi: kegiatan posyandu, penampilan kerja performance kader posyandu, fasilitas posyandu, lokasi posyandu dan dukungan lurah dengan variabel terikat tingkat pemanfaatan posyandu usila digunakan uji statistik korelasi Pearson Product Moment dengan hasil sebagai berikut: Universitas Sumatera Utara 1. Variabel persepsi tentang kegiatan posyandu usila ρ = 0,000, variabel persepsi tentang penampilan kerja performance kader posyandu usila ρ = 0,000, variabel persepsi tentang fasilitas posyandu usila ρ = 0,032 dan variabel persepsi tentang lokasi posyandu usila ρ = 0,000 menunjukkan hubungan secara signifikan dengan variabel tingkat pemanfatan posyandu usila karena nilai ρ 0,05. 2. Variabel persepsi tentang dukungan lurah tidak memiliki hubungan secara signifikan dengan variabel tingkat pemanfaatan posyandu usila ρ 0,05. 3. Menurut Colton Hastono,2001 melalui hasil uji statistik dari korelasi Pearson dapat dilihat kekuatan hubungan dari dua variabel secara kualitatif sehingga ditarik kesimpulan sebagai berikut Hastono,2001 : a. Hubungan variabel persepsi tentang kegiatan posyandu dengan variabel tingkat pemanfaatan posyandu usila menunjukkan hubungan yang kuat r=0,781 dan berpola positif, artinya semakin tinggi persepsi tentang kegiatan posyandu maka akan semakin tinggi pula tingkat pemanfaatan posyandu usila. b. Hubungan variabel persepsi tentang penampilan kerja performance kader posyandu dengan variabel tingkat pemanfaatan posyandu usila menunjukkan hubungan yang kuat r=0,711 dan berpola positif, artinya semakin baik persepsi tentang penampilan kerja performance kader posyandu maka maka akan semakin tinggi pula tingkat pemanfaatan posyandu usila. c. Hubungan variabel persepsi tentang fasilitas posyandu dengan variabel tingkat pemanfaatan posyandu usila menunjukkan hubungan yang sedang r=0,345 dan berpola positif, artinya semakin tinggi persepsi tentang fasilitas posyandu Universitas Sumatera Utara usila dengan tingkat pemanfaatan posyandu usila maka maka akan semakin tinggi pula tingkat pemanfaatan posyandu usila. d. Hubungan variabel persepsi tentang lokasi posyandu dengan variabel tingkat pemanfaatan posyandu usila menunjukkan hubungan yang kuat r=0,719 dan berpola positif, artinya semakin tinggi persepsi tentang lokasi posyandu maka maka akan semakin tinggi pula tingkat pemanfaatan posyandu usila. Secara rinci dapat dilihat pada Tabel 4.15. Tabel 4.15. Hasil Uji Statistik Korelasi Pearson No Variabel Correlation Coefficient r Sig ρ 1. Persepsi tentang kegiatan posyandu 0,781 0,000 2. Persepsi tentang penampilan kerja performance kader posyandu 0,711 0,000 3. Persepsi tentang fasilitas posyandu 0,345 0,032 4. Persepsi tentang lokasi posyandu 0,719 0,000 5. Persepsi tentang dukungan lurah 0,143 0,385 Salah satu aspek yang perlu diperhatikan untuk masuk pada uji analisis regresi linier berganda, variabel numerik terutama variabel terikat harus berdistribusi normal. Apabila nilai uji statistik kolmogorv smirnov ρ 0,050 terutama variabel terikat, maka data berdistribusi normal. Pada uji kolmogorov smirnov diperoleh data variabel terikat ρ =0,051 0,050 maka data berdistribusi normal.

4.4. Analisis Multivariat